刚刚考完人工智能，趁着记忆还热乎，记录一下

• 填空题（15题，没空0.5’，共20’）

1、生成式连接词：否定(negation)、析取(disjunction) or、合取(conjunction) and、蕴含(implication)/条件(position)、等价(equivalence)/双条件

量词（quantifier）：全称量词（universal quantifier）、存在量词（existential quantifier）

1. 对于一阶谓词逻辑,即若子句集是不可满足的,则必存在一个从该子句集到空子句的归结演绎
2. 智能是知识与智力的总和，智能的特征：感知能力、记忆与思维能力、学习能力、行为能力
3. 人工智能研究的基本内容：知识表示、机器感知、机器思维、机器学习、机器行为
4. 在不确定性推理中，静态强度和动态强度表示知识、证据的不确定性
5.  控制规则库的N条规则有N个模糊关系：对于整个系统的全部控制规则所对应的模糊关系R ：
6. 知识是把有关信息关联在一起所形成的信息结构，特点有相对正确性、不确定性、可表示性、可利用性。
7. 机器学习根据有无标签可分为有监督学习、无监督学习，根据所解决的问题可分为分类、回归（该空答案不确定）

9、1 of N encoding

10、在自然语言处理中，递归神经网络最重要的作用就是挖掘单词序列信息

11、softmax在神经网络中的作用是数值归一化（该空答案不确定）

• 选择题（10题，不定项选择题，每题2分，共20’）

1. 个体可以是常量、变量（变元）、函数、谓词
2. 如果没有归结出空子句，可满足性不确定
3. 在产生式推理过程中，如果发生规则冲突，要利用冲突解决策略进行启用规则的选择，常用的冲突消解策略：按针对性排序、按已知事实的新鲜性（后生成性）排序、按匹配度（不确定性推理）排序、按条件个数排序（优先选择条件少的）
4. 信息素浓度公式：

三、大题（6题，共60’）

1、用谓词公式表示（先定义谓词）

1. 小明在东南大学学习人工智能
2. 努力学习的人一定能通过考试
3. 有的人擅长英语，有的人擅长数学，有的人既擅长英语也擅长数学
4. 小明不在教室，也不在宿舍
5. 谓词公式转化为子句集（非原题，类似题型）
6. 谓词公式1
7. 谓词公式2

（记住基本步骤即可）

谓词公式转化为子句集的9个步骤：（箭非重，存前，标全，合重）

(1)消除蕴含、等价符号（去箭头）

(2)把否定符号移到每个谓词前面

(3)变量标准化（把重名的变量名改掉）

(4)消去存在量词（通过代入函数的方式把存在量词去掉）

(5)化为前束形（把全称量词提到最前面）

(6)化为Skolem标准形（利用公式标准化，去掉可去的括号）

(7)略去全称量词

(8)消去合取词（加逗号，变成集合）

(9)字句变量标准化（将不同字句中的重名变量改名）

1. 已知两个模糊关系R1、R2，求R1oR2（非原题，类似题型）
2. 计算可信度（非原题，类似题型）

5、证明G是否为F1, F2的逻辑结论。要求写出求解过程。（非原题，类似题型）

6、论述题

（1）图搜索的回溯思想

（2）广度优先搜索与深度优先搜索的区别

（3）估价函数的定义与作用